Transerformer架构（自然语言处理）
尝试学习和从零构建一个大语言模型
就目前我的认知
Transformer架构主要分为编码器、解码器、词表、训练集、训练算法(T5)
编码器(Encoder)
Encoder主要负责将输入转换为计算机能够理解的内容（也就是词表中的向量词元）
解码器(Decoder)
将词元的向量内容还原回人类可以理解的内容
词表(Tokenizer)
模型所使用的词汇是基于词表中有的词元所生成的，词表可以由大量的文本内容训练，并且训练模式需要符合标准BPE格式
训练集(Training set)
大量的现实网络中人们的对话、沟通数据，需要确保数据是干净的
训练算法(T5)
通过梯度下降等方法降低模型的损失（令模型回复的内容越来越接近训练集的内容）
剩下的我还不太清楚，再研究研究
